“僵尸企業”預警框架構建

趙 靜，趙 荔（博士）

“僵尸企業”預警框架構建

趙 靜1，趙 荔2（博士）

“僵尸企業”是經濟運行的“毒瘤”，“僵尸企業”應如何處置更是牽一發動全身的關鍵環節，對于學界而言，為處置“僵尸企業”的實踐工作提供正確、符合國情的理論指導成為亟待解決的命題。“僵尸企業”預警研究以財務困境預警模型為出發點，結合國內“僵尸企業”研究現狀，基于經濟學、社會學、數學等多種視角和理論，探索性地構建“僵尸企業”的預警框架。同時提出“僵尸企業”預警模型應從內外兩個視角展開，模型判定結果應當突破二分法，并根據現實進行動態調整。

僵尸企業；財務困境；預警模型；預警框架

一、引言

伴隨著我國經濟進入“新常態”，供給側改革全面推進，“僵尸企業”清理成為化解產能過剩的關鍵舉措。同時，學界對我國“僵尸企業”的相關研究逐漸展開。如黃少卿等（2017）采用多種研究方法，對中國工業企業和上市公司中存在的“僵尸企業”進行識別，結果發現，2001～2007年工業企業中“僵尸企業”占比為10.1%～19.7%，2000～2015年上市公司中“僵尸企業”占比為12.6%～26.0%。這也說明我國“僵尸企業”現狀不容樂觀。

近年來，學界研究證實，鑒于制度、政策等因素的干擾，企業之間或者企業內部之間資源往往不能實現有效配置。因此，學界開始從資源配置角度解釋國與國之間全要素生產率差異。一些學者從信貸資源的角度研究日本銀行提供給“僵尸企業”的貸款，發現“僵尸企業”對日本經濟效率和市場競爭造成了長遠的負面影響：“僵尸企業”效率低下，依賴政府和銀行信貸“輸血”存活，嚴重損害市場競爭，擠壓正常企業發展空間，加劇產能過剩。由此可見，“僵尸企業”是經濟運行的“毒瘤”，如何處置“僵尸企業”更是牽一發動全身的關鍵性難題。

目前國內相關文獻中，定性分析較多，實證分析數量有限，其中有關預警模型方面的更是空白。本文認為“僵尸企業”預警模型研究非常重要：①預警研究具有深層次的意義，它是由風險意識引致的事先防范，可以減少損失；②科學和理性預測的最終目的是準確判斷事實，以產生清晰的決策；③預警模型在量變到質變之前起作用，從成本角度而言無疑是優化舉措。

縱觀國內外相關研究，均無直接成果可以借鑒，本文嘗試尋找“他山之石”——財務困境預警模型進行分析和借鑒。自Fitzpartrick（1932）運用單變量分析建立財務困境預警模型以來，該領域的研究不僅取得了一系列成果，并且隨著技術發展和認識的提高，財務困境模型不斷升級，足以為“僵尸企業”的研究提供理論指導、思路借鑒和經驗警示。盡管財務困境和“僵尸企業”的研究重點存在差異，但是財務困境的研究方法對“僵尸企業”依然具有借鑒意義。主要表現在以下方面：①財務困境作為會計學概念，與經濟學概念上的“僵尸企業”存在范圍上的重疊。②陷入財務困境的企業和“僵尸企業”都是直觀地從企業財務狀況表現出來，現有的“僵尸企業”界定方法也主要是依賴財務指標進行識別，二者在具體指標和財務狀況表現上有所不同，但是方法應存在相同之處。③“僵尸企業”的研究目前尚處于探索階段，開闊思路廣泛借鑒是這個階段的特征。本文主要選擇幾種理論基礎較好且具有代表性的模型：Z模型、Logistic回歸模型和KMV模型進行借鑒分析，并綜合考慮多種因素，嘗試構建“僵尸企業”預警框架。

二、“僵尸企業”的研究現狀

目前，“僵尸企業”的研究可以分為以下四個主題：定義、界定、成因、清理方式與退出路徑。

“僵尸企業”的概念最早由 Edward Kane教授提出，并在2012年定義為：“當某一機構的實際債務價值高于其實際資產價值時，從經濟的角度而言，該機構發生破產。“僵尸機構”是僅僅依賴政府進行公開或者不公開的信貸支持，以償還各種債務并維持運營的破產機構。”后續研究對“僵尸企業”進行了多種定義，但都認為“僵尸企業”喪失了生存能力，依靠政府或銀行信貸救助而存活。

“僵尸企業”界定方法主要可以分為以下幾類：基于CHK的方法系列，如盈利標準和長青借貸標準，也稱為FN-CHK標準；基于企業經濟角度的實際利潤法；綜合主流界定思路的過度借貸法；基于宏觀政策角度的方法，如國務院標準等。

針對“僵尸企業”形成原因，本文將現有研究根據政府、銀行、企業這三個主體以及相互之間利益牽制的作用分為三類觀點。第一類觀點認為政府行為是“僵尸企業”形成的重要原因。第二類觀點則傾向于認為“僵尸企業”的形成是銀行掩蓋壞賬損失的不良動機所致。第三類觀點認為企業內部微觀因素是“僵尸企業”形成的主要原因。如程虹、胡德狀等（2016）認為要從根本上清理“僵尸企業”，應當重視微觀層面的企業內部因素。由此可見，“僵尸企業”形成原因錯綜復雜。

“僵尸企業”清理方式及市場退出路徑的研究可以分為三個主要類別：①國外“僵尸企業”清理借鑒，美國和日本都經歷過“僵尸企業”處置，部分學者通過研究國外處置方法為“僵尸企業”清理提供思路。②根據“僵尸企業”成因分析處置策略，并認為不同類型的“僵尸企業”應采取不同對策處理。③從破產法角度和實際案例出發提出解決思路。

三、財務困境預警模型研究現狀

財務困境又稱為財務危機，國內外學者對其定義持多種觀點。Beaver（1966）研究了79家“財務困境公司”，它們包括破產公司、拖欠優先股股利公司和拖欠債務公司。隨后，Altman（1968）和Ross（1999）等又對定義進行了延伸；國內學者呂長江（2004）將財務困境定義為“進入法定破產的企業”，并認為財務危機是一個持續的動態過程。

Fitzpartrick（1932）運用單變量進行破產預測，開創了財務困境預警研究的先河。該方法的思路為比較分析，即通過比較陷入財務危機企業與健康企業之間財務指標上的差異，根據差異的顯著性進行排序，并從中挑選變量，最后根據排序變量特征選擇判定點，最終確定企業是否會陷入財務危機。盡管單變量預警模型為后來眾多學者所效仿研究，但是該方法忽視了企業作為一個整體，各種指標之間不僅相互聯系，而且共同對企業風險產生影響。Altman（1968）的Z模型克服了這種缺陷，它將多元判別分析應用于企業財務困境預警，使得企業的多種財務指標綜合反映在得分值Z-score上，將Z值作為判定企業是否會陷入財務困境的預測指標。由于多元判別分析法存在諸多統計假設限制，導致其實際應用結果并不理想。為了克服這種實際應用的局限，Ohlson（1980）將Logistic回歸模型引入財務困境預警研究。Logistic回歸模型最大的特征是因變量是離散的，常見的分布為二項分布或者泊松分布，且不要求樣本正態分布。這種特征更加符合企業財務困境的現實分類，因此沿用至今。但是，上述實證研究中的首要步驟是尋找配對樣本，在匹配過程中，不可避免地存在樣本選擇偏誤。同時，由于財務指標均為歷史數據，在歷史數據中找出的規律對新樣本進行判別或預測，被認為是“粗暴的經驗主義”。而KMV模型結合了股票市場數據和財務數據，能反映投資者對企業未來發展的判斷趨勢，由此，KMV模型受到研究財務困境學者的關注。一些學者嘗試將信用風險模型——KMV模型引入財務困境預警研究，并通過實證比較得出KMV模型表現優于其他幾種預警模型。

可以看出，經過較長時間的演化、發展，財務困境預警模型的研究脈絡逐漸清晰，研究方法日漸規范。相較而言，“僵尸企業”的實證研究目前主要在于界定方法、成因、市場退出路徑等方面的分析，而“僵尸企業”治理研究離不開大量理論與實證的支撐。因此本文借鑒財務困境預警模型的理論基礎和研究方法，結合研究預測的相關理論，以期為“僵尸企業”預警研究做出基礎性貢獻。

四、“僵尸企業”預警框架構建

（一）主要財務困境模型比較

1.模型理論基礎。上述三種模型都具備較為堅實的理論基礎，其中，Z模型與Logistic模型基于統計分析方法，Z模型采用多元判別分析得出Z值并進行預警，Logistic回歸模型屬于非線性概率模型，用途廣泛。KMV模型最早用于信用風險領域，運用期權定價的原理，將公司信用狀況與資產、負債和股權的價值綜合起來考慮，用于估計借款人或者企業的違約可能性。KMV模型中通過違約距離來衡量違約可能性，違約距離越大，則說明公司違約可能性越小，反之，該公司信用風險越大。

2.模型指標選擇。已有文獻對財務困境預警指標通常分為兩類：一是按照財務指標和非財務指標分類；二是根據財務困境預警模型又可分為財務指標、現金流指標和市場收益率指標（吳世農、盧賢義，2015）。本文主要分析以Z模型為代表的線性判別模型、Logistic回歸模型和KMV模型指標的適用性，其中線性判別模型采用的是財務指標；KMV模型采用的是市場收益率指標；Logistic回歸模型中部分文獻采用財務指標，也有一些文獻綜合選取財務指標和現金流指標。

（1）Z模型的指標選擇。Altman（1968）從22個財務指標中篩選出5項具有預測能力的財務指標（營運資金/總資產、留存收益/總資產、息稅前利潤/總資產、權益的市場價值/負債總額的賬面價值、銷售收入/總資產），運用多元判別分析法進行建模分析。模型中指標主要是傳統的財務比率，但由于委托代理關系，管理者可能會運用各種手段進行盈余操控。因此，以利潤等比率為基礎的財務指標可能存在缺陷，后續研究者考慮到現金流指標不易操控，并且在一定程度上能更準確地反映企業實際經營狀況，因此逐漸將研究領域擴大到包含現金流指標的模型。

（2）Logistic回歸模型的指標選擇。基于Logistic回歸的財務困境預警模型是對Z模型所依賴的多元判別分析方法在統計學上的改進，因此該模型所選擇的指標與Z模型相類似。Logistic模型變量不僅包括財務指標和現金流指標，還包括代表經濟環境的M2增長率、實際GDP增長、股權結構、代理成本等制度性變量，考慮的因素相對更全面。同時，隨著技術的發展和研究的不斷深入，研究財務困境預警模型的學者們在指標的選取上也更加嚴謹、規范，不同于早期的定性分析，而是大多采用統計方法進行篩選，如主成分分析、因子分析、熵值法等。

（3）KMV模型的指標選擇。KMV模型主要應用于上市公司的相關研究，模型以股票市場為基礎，并包括部分財務數據，相對而言具有前瞻性，并克服了以歷史數據為基礎的統計模型的缺陷。KMV模型的優勢主要表現在以下兩個方面：①KMV模型中僅包括債務的賬面價值這一項財務指標，因此對會計信息依賴較少，比較適用于我國上市公司會計信息質量普遍不高的現實背景。②Altman的Z模型以制造業為研究樣本，后來的研究者盡管將其運用在其他行業或者增加模型指標，但鮮少考慮到我國上市公司中很多企業持有大量金融資產，公允價值的引入使得財務比率發生變化，企業面臨金融風險，而KMV模型將金融風險因素納入了模型之中。

3.模型應用。

（1）Z模型的應用。Z模型是最具有代表性的多元判別分析模型，判別分析是根據已有的觀測數據特征將樣本分為若干組，在此基礎上根據研究目的建立判別式，最后根據判別式對分類未知的樣本進行判定或者預測。Z模型運用多元判別分析，構造判別方程式并得出Z值區間，原理如下：

第一步：尋找與財務困境樣本特征相似的對照組樣本。

第二步：利用因素分析法篩選出一系列的變量，這些變量既能代表企業的財務狀況，又能區分出陷入財務困境的企業和正常企業，并對這些指標或者變量賦予權重。構造判別方程式：

然后通過對變量賦予權重并構成多元判別方程式，其中變量分別為：X1=營運資金/總資產；X2=留存收益/總資產；X3=息稅前利潤/總資產；X4=權益的市場價值/負債總額的賬面價值；X5=銷售收入/總資產。

第三步：獲得模型Z值，并劃分判別區間。其中，若Z＜1.81，則企業破產的概率很高；若1.81＜Z＜2.675，位于灰色區域，說明企業具有破產風險，運營狀況不穩定；若Z＞2.675，企業破產的概率很小。

（2）Logistic回歸模型的應用。Logistic回歸模型是基于Verhulst提出的Logistic曲線方程演變而來的非線性概率回歸模型。該模型與線性模型的最大區別在于被解釋變量為二元變量，或為取值有限的離散變量。這種區別使得兩種模型在參數設定、假設條件和估計方法等方面均存在差異。財務困境的相關研究中常用的被解釋變量為二元變量。定義如下：

根據研究需要或者采取一定的方法選擇模型指標，構建出財務困境預警模型：

經過逆對數變換后的p2（0＜p2＜1）為理論概率值，最后根據p與p2的關系對模型的預警效果進行判斷。一般認為，當p2＞0.5時，表明企業陷入了財務困境。

（3）KMV模型。KMV模型以Merton期權定價理論為基礎，是由美國的KMV公司于20世紀90年代開發出來的一種用于估計借款人違約可能性的模型，并能對借款人的違約可能性做出預測。由于違約與企業財務狀況具有直接的聯系，因此學界將此種模型運用于財務困境預警模型的研究中，并證實該模型具備一定的優勢。模型如下：

其中：DD為違約距離，該距離越大，說明企業信用風險越小；反之，則信用風險越大。E（VA）為資產期望價值，DPT為違約點，即企業資產價值等于負債價值的時點。經驗研究表明，現實中的公司違約點與模型不一致，通常發生在“公司價值=流動負債+50%+長期負債”的時點。σA為企業資產波動率。由于不能直接使用股權市值代表資產價值，KMV模型中違約距離的計算還需要使用Black-Scholes-Merton期權定價模型，運用該模型建立資產的市場價值與股權市值之間的關系。

（二）我國“僵尸企業”預警研究借鑒

1.指標選擇。有學者認為，規范性的理論應當作為先導，以引領實證檢驗發展。而在財務危機領域，情況恰好相反。大量的計量方法和人工智能方法被應用于財務困境預警模型的建立，而研究企業為何會陷入財務困境的理論性研究卻是鳳毛麟角。原因在于財務困境最直觀的、最終的體現在企業財務狀況上，且由于數據的可得性，使得研究者將財務比率作為切入點，繼而推廣應用。對“僵尸企業”預警的研究同樣也可能存在這種傾向，其盈利能力和貸款依賴程度均能通過財務指標體現出來，但企業的其他屬性和特征難以獲得或者進行量化。Johnson（1970）指出，比率用于預測是存在局限性的，比率更適合進行事后分析。這樣的批判仍然警示著“僵尸企業”的研究者，這也是今后該領域研究者所應當考慮的問題。

因此，僅僅采用財務指標構建“僵尸企業”預警模型存在局限性。一是前文提到的“歷史數據”缺陷，同時財務指標的滯后性是否能夠擔當起預警的使命？二是財務狀況惡化作為“僵尸企業”的表現之一，是否就是形成“僵尸企業”的主要原因？這是值得商榷的，也可能會造成實證研究中難以克服的內生性問題。因此，一套完整的“僵尸企業”預警模型指標體系應從橫向和縱向兩個維度進行考慮：

（1）橫向維度。橫向來看，指標體系應該包含宏觀經濟環境、中觀行業信息和制度背景這三個基本面。部分學者認為經濟政策直接決定著我國經濟周期的階段，“僵尸企業”形成的根源在于經濟結構對房地產行業的高度依賴所造成的產能過剩，在產能過剩的局面下，企業無法通過出售資產、減員增效、兼并重組等手段獲得新生。在受到地方政府、財政補貼和金融系統持續輸血之后，其僵而不死，并形成“僵尸企業”。因此，“僵尸企業”預警研究中的變量選擇應考慮財政政策、貨幣政策和經濟結構的變化，例如M2增速、GDP增速等。由于我國自2003年以來主要采取房地產拉動經濟的增長方式，資源在不同行業之間的配置發生了很大變化。國家發展與戰略研究院2016年的研究顯示，我國“僵尸企業”比例最高的五個行業是：水的生產和供應業（25.99%），電力、熱力的生產和供應業（19.14%），化學纖維制造業（19.10%），黑色金屬冶煉及壓延加工業（15.00%），石油加工、煉焦及核燃料加工業（14.46%）。因此，“僵尸企業”的指標研究中應考慮以財政補貼和免稅優惠為代表的產業政策，同時兼顧企業性質、股權結構等公司治理因素。

（2）縱向維度。預警應注重防患于未然，即“事先提示的意義”（吳星澤，2011），“僵尸企業”的選取指標需注重事先提示的意義，這種“事先”不僅僅指時間上，更應該是“僵尸企業”尚能破產重整到積重難返的一段時間，才是此種預測意義所在。因此，縱向而言，可將企業連續兩個或多個會計期間的財務指標進行對比以確定其增減變動趨勢。同時，還可以根據當期財務指標與下一期或者滯后一期的關系，將動態的因素納入分析框架。

2.主要模型借鑒。

（1）Z模型。Altman通過將破產企業與健康企業按照1∶1的匹配方法構造樣本，選取5個具有代表意義的變量構造出Z模型。該模型對于研究“僵尸企業”預警模型的主要意義在于研究思路。“僵尸企業”預警模型可以根據企業基本特征尋找配對樣本。目前尚無理論指導，不可避免地會出現匹配過程依賴于研究者的直觀判斷和數據可得性。但隨著統計、計量方法以及軟件技術的不斷發展，如“傾向得分匹配法”（PSM）等研究方法正逐漸被應用于“僵尸企業”的研究中，該方法可以通過多種途徑對樣本進行匹配，如半徑匹配、核匹配等，使得“僵尸企業”的研究建立在一定的理論基礎之上，使其更加客觀和規范。

（2）Logistic回歸模型。Logistic回歸模型被廣泛應用于財務困境預警模型的研究，并根據研究的側重點不同，所選取的指標之間也存在差異，對于研究“僵尸企業”預警模型的主要意義在于計量方法。該模型的優勢在于放松了對樣本正態分布的要求，同時被解釋變量為離散變量，符合“僵尸企業”特征。只需要在變量或指標選擇上多加斟酌，就會適用于“僵尸企業”識別和預警模型的研究。同時，相對于總體而言，“僵尸企業”樣本占比過小，現有文獻中無論是Z模型還是Logistic回歸模型，均采用尋找對照樣本的方法開展研究，受到樣本量的限制，不可避免地產生樣本過度選擇的統計問題。在公司金融的研究領域中，越來越多的學者采用bootsrap生成模型標準誤或進行穩健性檢驗，該方法也適用于“僵尸企業”研究中克服樣本選擇偏誤等問題。

（3）KMV模型。KMV模型以經典的Merton模型和B-S期權定價模型為支撐，具備堅實的理論基礎，同時，該模型使用股票市場數據，在一定程度上克服了“歷史數據”所帶來的滯后性等缺陷。KMV模型不需要進行有效市場假設，因此被國內相關領域的學者廣泛運用，一些文獻也嘗試將該方法運用于財務困境預警模型構建，并且通過實證檢驗證明了該模型的明顯優勢（馬若微，2006）。但是也存在明顯缺陷：該模型是建立在企業所有股權均上市流通的假設之上，與我國的股票市場存在較大差異。

3.“僵尸企業”預警框架構建。

（1）“僵尸企業”預警框架構建原理。“僵尸企業”預警模型本質上是一個預測問題，預測的基本原則是科學理性。筆者認為，一種科學理性的預測機制應抽象為四個元素：視角、信息、概率、迭代。①視角包括內部與外部視角。常規的做法是以內部視角作為切入點，因為資料可得性相對較高且直接，在下一階段再轉入外部視角。然而，更準確的做法應該是從外部視角出發轉入內部視角，并且兩種順序的效果不等，產生差異的原因在于“錨定效應”。②伴隨著視角的轉換，預警框架中對信息的要求也不僅僅限于財務指標，更應當包括來自多個維度的信息。這種信息除了可得資料，重點還在于信息篩選、噪聲處理和信息利用。③無論使用哪種模型得出預測結果，都會產生一個概率問題。人們常常以直覺去看待概率，因此將科學性等同于確定性，實則不然。概率思維的核心并非準確率，而是對不確定性的認識，或者說對不確定性程度的區分。從概率思想的角度來看，預警模型簡單而執著的二分法注定是不成功的，這還會產生一個問題：對定義的爭論無法達成一致。因此對二分法進行改進并非源自妥協，而是基于科學。④預警模型的預測結果與現實結果之間必定存在一定的差距，如同金融市場上單個證券的β值，但本文認為模型預警的β值意義并不僅限于描述偏差，還在于后續的反饋、分析、調整。因此本文提出預警模型β的概念：預警β為模型預測結果與實際結果之間的差異。在預警模型的實證研究中，通常使用歷史數據對模型結果進行檢驗，但是，在年度之間與企業之間，影響預警結果的因素不斷變化，僅僅借助一類固定的模型進行跨年度和跨企業之間的預測，其準確性難以令人滿意。本文認為，對模型的預測結果應當附加一個基于預警β的校正，根據影響因素的重要程度對結果做出調整，類似于“迭代”的過程。

（2）“僵尸企業”預警框架。

視角選擇：通過前文分析可以將財務困境預警的框架或范式總結為定義、指標選擇和模型確定。在研究過程中，學者們通過不斷提煉和深入思考，并嘗試跳出該框架，提出了重構設想：即在財務預警框架重構設想中嵌入利益相關者行為。值得一提的是，集體選擇理論正逐漸被引入公司領域的研究。前文提到，“僵尸企業”的形成機理比較復雜，涉及政府、銀行、企業三種主體之間的博弈，而“僵尸企業”的治理不僅僅是經濟問題，還是社會問題。因此，本文認為“僵尸企業”預警模型的視角應遵循“宏觀經濟→微觀企業”的順序，具體表現在對“僵尸企業”的定義與界定，以及指標引入時考慮市場環境和財務指標的結合以及權重問題。

信息處理：隨著互聯網時代的到來，信息的增長呈指數級形態。2008年，《自然》提出“大數據”的概念，大數據的本質在于全樣本而不是抽樣，可以說是一種新的思維方法。本文認為“僵尸企業”預警模型中應當引入大數據，尤其是一些非財務指標以及不易量化的數據，可以對財務指標進行更準確的修正與補充。

概率分級：簡單的二分法并不符合科學的概率思想，更為可行的方法應該是進行概率分級，將可能性進行細分，已有大量研究證明細分意味著準確率的提高。因此本文認為，不管運用哪種模型進行預警，對于結果的判斷不應僅僅局限于兩種設定：是與否，應適當引入中間類別。進一步在“僵尸企業”類別中細分出僵化程度，在“非僵尸企業”類別中區分風險級別。

預警β與迭代：本文中的預警β為模型預測結果與實際結果之間的差異，其中，這種差距既可能存在于樣本與實際總體的結果之間，也可能存在于單個企業的結果之間。由于預測建立在現有信息之上，一旦信息發生變動，預警模型也要做出相應的調整。預警β與迭代的意義在于防止模型僵化和忽視影響結果的重要信息。

最終，依據前文分析，本文嘗試構建出具有理論支撐的“僵尸企業”預警框架，如圖1所示；指標體系如圖2所示。

圖1 “僵尸企業”預警框架

圖2 “僵尸企業”預警模型指標框架

五、結論與展望

本文以財務困境預警模型的比較與借鑒研究為出發點，結合國內“僵尸企業”的研究現狀，運用經濟學、社會學、數學等多種視角和相關理論，探索“僵尸企業”預警模型的構建。文章的主要觀點如下：①“僵尸企業”預警模型本質上是預測，應注重“預”；②“僵尸企業”預警模型應從內外兩個視角展開，且應當以外部視角作為切入點；③“僵尸企業”預警模型判定結果應當突破二分法，遵循概率基本思想，采取細分等級的方法提高準確率；④“僵尸企業”預警模型應盡量避免僵化，根據現實進行動態調整，為此，本文提出預警β值與預測過程中迭代的思想。因缺乏經驗分析，本文并未對“僵尸企業”進行準確界定，也并未對所有的財務困境預警模型進行分析借鑒。更進一步的研究可以從如下幾方面展開：基于以大數據為代表的信息技術的新方法的研究；立足于本國市場與制度背景的“僵尸企業”實證模型的開發；借助金融理論與金融市場的研究。

黃少卿，陳彥．中國僵尸企業的分布特征與分類處置［J］．中國工業經濟，2017（3）．

時寒冰．時寒冰說：未來二十年，經濟大趨勢（現實篇）［M］．上海：上海財經大學出版社，2014．

程虹，胡德狀．“僵尸企業”存在之謎：基于企業微觀因素的實證解釋——來自2015年“中國企業——員工匹配調查”（CEES）的經驗證據［J］．宏觀質量研究，2016（1）．

劉奎甫，茅寧．“僵尸企業”國外研究評述［J］．外國經濟與管理，2016（10）．

朱瞬楠，陳琛．“僵尸企業”誘因與處置方略［J］．宏觀經濟與微觀運行，2016（3）．

陸曉燕．運用法治手段化解產能過剩——論破產重整實踐之市場化完善［J］．法律適用，2016（11）．

呂長江，趙巖．上市公司財務狀況分類研究［J］．會計研究，2014（11）．

馬若微．KMV模型運用于中國上市公司財務困境預警的實證檢驗［J］．數理統計與管理，2006（9）．

F230 【文獻標識碼】A 【文章編號】1004-0994（2017）33-0029-6

國家社會科學基金項目“僵尸企業的僵化指數與市場退出機制研究”（項目編號：16BGL069）

作者單位：1.首都經濟貿易大學會計學院，北京100070；2.上海立信會計金融學院工商管理學，上海201209